Q

Porter Stemmer算法問題

2010-11-06 90 views 1 likes

1

我正在實施一個搜索應用程序。語料庫是大文本文件。在文件處理過程中，我將所有單詞標記化並調用Porter Stemmer算法 Step1（http://tartarus.org/~martin/PorterStemmer/csharp2.txt）。Porter Stemmer算法問題

第一步擺脫複數形式和-ed或-ing的...

我注意到，類似「本」字將梗成「THI」。

算法的正常運行？因爲我想標記「this」這個詞。

2010-11-06 djTeller

A

回答

1

從你的描述來看，我的預感是this被認爲是Porter Stemmer算法中的複數形式並簡化爲thi。

我在Porter的論文中沒有找到以s結尾的非複數單詞的明確引用。

http://tartarus.org/~martin/PorterStemmer/def.txt

2010-11-06 16:24:28 kuriouscoder

+0

是的，我需要通過算法，看看爲什麼。 – djTeller 2010-11-06 17:21:32

相關問題